איך פועלת טרגוט מודעות נטיב (קונטקסטואלי, עניין ופוסט-קוקיז)

מודעות נטיב מטרגטות משתמשים באמצעות שילוב של סיגנלים קונטקסטואליים (הדף והקטגוריה שהם קוראים כרגע), נתוני קהל צד-ראשון שהרשת כבר מחזיקה (מכשיר, גיאוגרפיה, היסטוריית גלישה בתוך רשת המו"לים שלה), וקלטים שסופקו על ידי המפרסם כמו פיקסלים לריטרגטינג וקטעי Lookalike, המופעלים דרך מכירה פומבית בזמן אמת ולא רכישה של מיקום קבוע. אין מנגנון יחיד של "טרגוט נטיב"; זהו מחסנית של אפשרויות חופפות, וכמה משקל נותנים לכל אחת תלוי ברשת וביעד הקמפיין.

טרגוט קונטקסטואלי: השכבה הוותיקה ביותר, כעת העמידה ביותר#

כל רשת נטיב מאפשרת לך לטרגט לפי קטגוריית תוכן ומילת מפתח: מאמרי פיננסים, תוכן בריאות, ביקורות רכב וכו'. זו הצורה הכי פחות פולשנית של טרגוט כי היא לא צריכה לדעת שום דבר על המשתמש הבודד, רק מה שהוא קורא כרגע. זו גם הפכה לשכבה עם הכי הרבה כוח הישרדות ככל שקוקיז צד-שלישי מוגבלים, כי טרגוט קונטקסטואלי אינו מסתמך על מזהה חוצה-אתרים בכלל.

טרגוט קונטקסטואלי ברשתות נטיב בדרך כלל מעמיק יותר מקטגוריה רחבה. Taboola ו-Outbrain מציעות שתיהן טרגוט ברמת אתר ומדור, כך שתוכל להציע מחיר ספציפית לאנכי הבריאות של מו"ל או למדור הפיננסים האישיים שלו במקום לכל הדומיין שלו. הפירוט הזה הוא לרוב מנוף טוב יותר מטרגוט קהל עבור מפרסמים בקטגוריות מוסדרות, מכיוון שהוא שולט ישירות בסיכון הסמיכות.

טרגוט עניין והתנהגותי#

מעבר לקונטקסט, רשתות בונות פרופילי עניין מהתנהגות גלישה ברחבי טביעת הרגל של המו"לים שלהן (מה שמשתמש קורא, לוחץ ומתעכב עליו באתרים באספקת הרשת). אלו נתוני צד-ראשון מנקודת המבט של הרשת אף שהם חוצים דומיינים רבים של מו"לים, מכיוון שהם נאספים תחת מערכת היחסים המעקב של הרשת עם אתרים אלו. הם משמשים לבניית קטעי עניין רחבים (מתעניינים ברכב, חוקרי נסיעות, קוראי תוכן בריאות) שמפרסמים יכולים להוסיף על גבי טרגוט קונטקסטואלי וגיאוגרפי.

ריטרגטינג: מבוסס פיקסל, ועדיין המנוף בעל הכוונה הגבוהה ביותר#

הצב פיקסל של רשת באתר שלך ותוכל לבצע ריטרגטינג למבקרים שלא המירו עם מיקומי נטיב כשהם גולשים במקומות אחרים באספקת הרשת. זה נותר אחד המנופים החזקים ביותר בנטיב כי הוא בנוי על מערכת יחסים צד-ראשון ישירה (הפיקסל שלך, המבקר שלך), לא על גרף קוקיז צד-שלישי. זו גם הסיבה שריטרגטינג נטיב היה מבודד יחסית משיחות דעיכת הקוקיז שפגעו הכי קשה בדיספליי ובמדיה חברתית.

גיאוגרפיה, מכשיר וחלוקת שעות ביום#

אלו תנאי בסיס בכל רשת: טרגוט גיאוגרפי ברמת מדינה ולעיתים אזור/עיר, סוג מכשיר (דסקטופ, מובייל, טאבלט) ומערכת הפעלה, סוג חיבור במובייל, ותזמון לפי שעה ביום/יום בשבוע. שום דבר מזה אינו תלוי בזיהוי זהות, וזה חלק מהסיבה שקמפיינים נטיב נוטים להיות פחות חשופים לאובדן מזהה מאשר רכישות דיספליי פרוגרמטיות שנשענות על נתוני זרם ההצעות.

מה "פוסט-קוקיז" באמת משנה כאן#

החלקים של טרגוט נטיב שהיו הכי חשופים לדעיכת קוקיז צד-שלישי היו תמיד השכבה הדקה ביותר: פרופילים התנהגותיים חוצי-אתרים שנתפרו יחד מחוץ לנתונים העצמיים של רשת אחת. רשתות נטיב היו פחות תלויות בזה מאשר דיספליי פרוגרמטי באינטרנט הפתוח מלכתחילה, כי כל כך הרבה ממחסנית הטרגוט של נטיב (קונטקסט, נתוני עניין בבעלות הרשת, פיקסלים של מפרסמים, גיאוגרפיה/מכשיר) מעולם לא נזקקו למזהה צד-שלישי משותף. זו חלק מהסיבה שנטיב החזיקה מעמד כערוץ בעוד שחלק מהטרגוט מבוסס המזהים בדיספליי ובמדיה חברתית הפך רועש יותר. גישות בסגנון Cohort והסתברותיות ממלאות את הפערים הנותרים, אבל התשובה הכנה היא שרוב הקונים בנטיב לא נאלצו לשנות את ספר האסטרטגיות הטרגוט שלהם כמעט כמו שקוני דיספליי פרוגרמטיים נאלצו.

קטעי שוק קהל ושותפויות נתונים צד-שלישי#

חלק מהרשתות מוסיפות קטעי קהל צד-שלישי דרך שותפויות עם פלטפורמות ניהול נתונים, ומאפשרות למפרסמים לטרגט קטגוריות כמו "בשוק לביטוח רכב" או "חיפש לאחרונה עסקאות נסיעות" שנבנו על ידי ספקי נתונים חיצוניים ולא על ידי התצפית הצד-ראשונית של הרשת עצמה. קטעים אלו נוטים להיות יקרים יותר, ובכנות, יותר hit-or-miss מהכלים הקונטקסטואליים והריטרגטינג הנטיביים של הרשת, מכיוון שהמתודולוגיה הבסיסית משתנה לפי ספק ולא תמיד מתפרסמת בפירוט. התייחסו לקטעי צד-שלישי כשכבה ניתנת לבדיקה שניתן להוסיף, לא כבסיס; הפעילו קבוצת ביקורת מול טרגוט קונטקסטואלי בלבד לפני שמקצים להם תקציב משמעותי.

קריאת הטרגוט של מתחרה מבחוץ#

אתה לא יכול לראות את הגדרות הקטע המדויקות של מתחרה, אבל אתה יכול להסיק הרבה ממה שבאמת רץ: באילו אזורים גיאוגרפיים ומכשירים מודעה מופיעה, באילו אנכי מו"לים היא מרוכזת, וכמה זמן היא שורדת, מה שבדרך כלל משמש כפרוקסי לשאלה האם הטרגוט והיצירתיות מתכנסים לקהל שעובד, דפוס שמכוסה לעומק במדריך שלנו לקניית מדיה למודעות נטיב. המדריכים הספציפיים לרשת שלנו על איך מודעות Taboola עובדות, איך Outbrain עובד, ואיך מודעות נטיב של MGID עובדות מפרקים את תפריט הטרגוט הספציפי ומכניקת המכירה הפומבית של כל רשת, והמאמר שלנו על הרחבה לאזורים גיאוגרפיים חדשים מכסה כיצד בחירות טרגוט גיאוגרפיות משתנות כשקמפיין מתרחב לשווקים מדרג 2 ו-3.

ינדקס אינטליגנציית המודעות של OpenAdLibrary עוקב אחר טביעת הרגל הגיאוגרפית, המכשיר והאנכית של כל יצירה שנתפסה, כך שבמקום לנחש את אסטרטגיית הטרגוט של מתחרה אתה יכול לראות את הדפוס בפועל: באילו מדינות מודעה פעילה, האם היא מובייל בלבד או רצה בכל מקום, ואיך זה השתנה מאז שהופיעה לראשונה.

טרגוט Lookalike וקהלים דומים#

ברגע שלפיקסל ריטרגטינג או לרשימת קהל מותאמת אישית יש מספיק נפח, רוב הרשתות יכולות לבנות ממנו קטע Lookalike: משתמשים שהתנהגות הגלישה שלהם דומה לממירים שלך, מבלי שצריך לזהות את זהותם באופן אינדיבידואלי. כאן טרגוט נטיב מתחיל להזכיר את מה שפלטפורמות חברתיות הציעו במשך שנים, אלא שנתוני הזרע בדרך כלל קטנים יותר (הפעלות פיקסל מתנועה של מפרסם יחיד) ולא גרפים התנהגותיים רחבי פלטפורמה. Lookalikes נוטים לעבוד הכי טוב כמנוף הרחבה אחרי שכבר יש לך קהל ליבה ממיר המוגדר על ידי קונטקסט וריטרגטינג; כשמשתמשים בהם ככלי פרוספקטינג קר עם רשימת זרע דקה, הם לרוב מבצעים פחות מטרגוט קונטקסטואלי ישיר.

איך טרגוט מתקשר עם המכירה הפומבית, לא רק עם היקף#

קל לחשוב על טרגוט רק כמסנן קהל, אבל ברשתות נטיב הוא גם משנה את העלות האפקטיבית שלך. טרגוט צר ורלוונטי יותר (מדור מו"ל ספציפי, מאגר ריטרגטינג חם) בדרך כלל אומר להתחרות נגד פחות מפרסמים אחרים על אותה חשיפה, מה שיכול להוריד את ה-CPC האפקטיבי שלך עוד לפני שאיכות היצירה נלקחת בחשבון. טרגוט רחב מגיע ליותר אנשים אבל זורק אותך לבריכת מכירה פומבית גדולה יותר, שלעיתים קרובות כוללת מפרסמים שמציעים מחיר על נפח ולא על רלוונטיות. זו אחת הסיבות שאסטרטגיות צרות קונטקסטואליות וריטרגטינג-ראשון מבצעות לרוב טוב יותר מקמפיינים רחבי היקף על בסיס ROAS טהור, גם אם נפח החשיפות הגולמי נראה קטן יותר על הנייר.

איפה מפרסמים טועים בטרגוט#

שתי טעויות מופיעות שוב ושוב בחשבונות נטיב. הראשונה היא הוספת יותר מדי שכבות מגבילות בבת אחת על קמפיין חדש, גיאוגרפיה הדוקה, קטע עניין צר ורשימת מו"לים לבנה קטנה יחד, מה שגורע מהאלגוריתם נפח מספיק ללמוד ממנו ושומר על עלויות גבוהות ללא הגבלה. השנייה היא ההפך: ריצה רחבה בכל מימד מהיום הראשון כי "נמטב אחר כך", מה שורף תקציב על מיקומים ברור שאינם רלוונטיים לפני שלחשבון יש כל סיגנל לעבוד איתו. הרצף הטוב יותר הוא בדרך כלל גיאוגרפיה ומכשיר ראשון (זול להצליח, יקר לטעות), קונטקסט שני, ואז הוספת ריטרגטינג והרחבת עניין ברגע שיש לך בסיס של נתוני ביצועים אמיתיים להגיב אליהם.

המסקנה המעשית#

טרגוט נטיב אינו חוגה אחת, אלו חמש או שש חוגות עצמאיות (קונטקסט, נתוני עניין של הרשת, הפיקסל שלך, גיאוגרפיה, מכשיר, לוח זמנים) שאתה משלב יחד, והשילוב המנצח שונה לכל אנכי. מפרסמי בריאות ופיננסים נוטים להישען הכי חזק על טרגוט קונטקסטואלי ברמת מדור כי סמיכות ותאימות חשובים שם יותר. Ecommerce נשען יותר על ריטרגטינג ו-Lookalikes כי כוונת רכישה קלה יותר ללכידה עם פיקסל. התחל עם קונטקסט וגיאוגרפיה כדי לבסס קו בסיס בטוח, הוסף ריטרגטינג ברגע שלפיקסל שלך יש מספיק נפח, והתייחס לקטעי עניין כמנוף היקף ברגע שהליבה כבר ממירה.